Theo công bố của OpenAI vào ngày 30/09/2026, công ty này đã phát hiện đồng thời ngăn chặn triệt để một chiến dịch có tổ chức quy mô lớn nhằm trích xuất chuỗi suy luận ẩn của mô hình. Chuỗi hoạt động này gia tăng từ đầu tháng 07/2026 và lên tới đỉnh điểm trong hai ngày 24 - 25/07 với khoảng 16.000 lượt yêu cầu được thực hiện bởi hơn 4.000 tài khoản người dùng. Đến ngày 28/07, toàn bộ chiến dịch đã bị vô hiệu hóa hoàn toàn.

OpenAI vạch rõ ranh giới kỹ thuật của sự cố: nhóm tác nhân hoàn toàn không xâm nhập cơ sở dữ liệu, không phá mã hóa hay truy cập trái phép vào các đoạn hội thoại đã lưu của người dùng. Phương thức thực thi chủ yếu dựa trên việc can thiệp vào cơ chế tương tác hệ thống để buộc mô hình tái hiện lại phần suy luận ẩn dưới định dạng hiển thị trực quan. Việc thao túng có phối hợp trên diện rộng này cấu thành hành vi vi phạm nghiêm trọng điều khoản sử dụng của công ty.

Kỹ thuật rút suy luận mà OpenAI vừa vá

Điểm đáng chú ý nhất trong báo cáo của OpenAI là cách thức trích xuất suy luận được các đối tượng thực hiện: Họ sao chép đoạn suy luận đã được mã hóa ở một đoạn chat này, sau đó yêu cầu mô hình trong một đoạn chat khác giải mã và chép lại toàn bộ nội dung. Về bản chất, đây không phải là hành vi đánh cắp dữ liệu trực tiếp, mà là việc tận dụng chính bản mã hóa do mô hình cung cấp để vượt qua cơ chế bảo vệ.

Bên cạnh đó, các nhà nghiên cứu bảo mật độc lập cũng đã chủ động thông báo về những phương thức tấn công tương tự, bao gồm lỗ hổng suy luận xuyên mô hình lẫn lỗ hổng nén lịch sử trò chuyện. Sau khi điều tra và xác nhận tính chính xác của các cảnh báo này, OpenAI cho biết đóng góp từ cộng đồng nghiên cứu đã giúp họ nhận diện toàn diện hơn về dạng tấn công này, từ đó triển khai các giải pháp khắc phục kịp thời.

Để ngăn chặn triệt để, OpenAI đã chặn khả năng phát lại đoạn suy luận mã hóa nhằm khôi phục nội dung. Công ty bổ sung các lớp kiểm tra để phát hiện và ngăn chặn nguy cơ rò rỉ suy luận qua luồng dữ liệu trực tiếp, đồng thời thắt chặt cơ chế bảo vệ suy luận ẩn trên toàn bộ các tài khoản người dùng, không gian làm việc, tổ chức và các dòng mô hình. Với những hoạt động thông qua dịch vụ của bên thứ ba, OpenAI cũng đã phối hợp cùng các nhà cung cấp để vô hiệu hóa những tài khoản vi phạm liên quan.

Vì sao không thể coi đây chỉ là một vụ rò rỉ kỹ thuật?

Hành vi này được OpenAI định nghĩa là “adversarial distillation” (chưng cất đối kháng), phương pháp khai thác đầu ra hoặc chuỗi suy luận của một mô hình nhằm mục đích huấn luyện, phục dựng hay nâng cấp một mô hình khác. Công ty đưa ra lập luận an toàn gồm hai khía cạnh chính:

  • Rủi ro từ việc bỏ qua rào cản bảo vệ: Chuỗi suy luận bị trích xuất có thể được dùng làm dữ liệu huấn luyện cho hệ thống khác mà không duy trì được các cơ chế kiểm soát an toàn vốn có trên giao diện đầu ra dành cho người dùng cuối.
  • Tác động về mặt chi phí và công nghệ: Khi triển khai trên quy mô rộng, hoạt động chưng cất cho phép chuyển giao các năng lực trí tuệ nhân tạo tiên tiến sang cho bên thứ ba mà không đòi hỏi khoản đầu tư tương xứng vào công tác nghiên cứu an toàn.

Mức độ nguy cơ này càng gia tăng đối với các mô hình sở hữu năng lực cao trong những lĩnh vực có khả năng sử dụng kép (dual-use). Khẳng định đây không phải vấn đề nội bộ riêng lẻ, OpenAI nhấn mạnh các hệ thống AI tiên tiến khác cũng đối mặt với nguy cơ tương tự. Do đó, công ty đã chủ động chia sẻ thông tin cảnh báo thông qua Diễn đàn Mô hình Tiên phong (Frontier Model Forum) cũng như các kênh trao đổi chính thức với cơ quan quản lý nhà nước.

Phần chưa rõ: mức độ liên quan

Về khía cạnh quy kết trách nhiệm, OpenAI đưa ra nhận định khá cẩn trọng: họ không khẳng định toàn bộ các tác nhân tham gia có thuộc cùng một tổ chức hay không. Tuy nhiên, nhóm hoạt động trọng tâm được xác định liên quan tới các cá nhân thuộc Moonshot AI – đơn vị đứng sau mô hình Kimi. Cần lưu ý đây là kết luận dựa trên phân tích nội bộ của OpenAI chứ chưa phải bằng chứng công khai rộng rãi, và phía Moonshot AI vẫn chưa đưa ra bình luận khi CNBC liên hệ.

Để đánh giá đúng quy mô sự cố, cần đặt trong bức tranh toàn cảnh: trước đó chưa đầy một tháng, Anthropic cũng cáo buộc một số nhà phát triển AI Trung Quốc (bao gồm Moonshot AI và Alibaba) khai thác trái phép dữ liệu từ Claude cho việc huấn luyện. 

Mặc dù quy mô 16.000 lượt yêu cầu lần này khiêm tốn hơn nhiều so với chiến dịch 151 triệu lượt tương tác mà Anthropic từng ghi nhận vào tháng 9/2026, điểm khác biệt cốt lõi nằm ở bản chất: OpenAI xác định đây là các nỗ lực trích xuất hình thức suy luận. Đồng thời, số liệu 16.000 chỉ thể hiện số lần thử nghiệm trích xuất chứ chưa hẳn đều diễn ra thành công.

Một điểm đáng lưu ý khác là cảnh báo của OpenAI về một nguy cơ hệ thống mới: bất kỳ mô hình AI nào vận hành theo cơ chế cho phép lưu giữ, di chuyển hay phát lại luồng suy luận đều có thể đối mặt với lỗ hổng bảo mật tương tự. Đây là rủi ro chung cho toàn bộ kiến trúc công nghệ này chứ không dừng lại ở một doanh nghiệp riêng lẻ.

Thay vì chỉ tập trung vào thông báo từ OpenAI, yếu tố then chốt cần quan sát tiếp theo chính là phản hồi chính thức từ Moonshot AI cùng các báo cáo độc lập từ bên thứ ba.